Audio y tiempo real
Crear voz
Genera audio a partir del texto de entrada
Use GET /v1/models?recommended_for=tts para obtener los modelos de voz actuales.
Cuerpo de la solicitud
El modo de respuesta depende del modelo seleccionado y de stream_format. Para textos de entrada más largos, configure un tiempo de espera del cliente HTTP de al menos 120s.
Los campos opcionales, las voces, los formatos de salida y la compatibilidad con SSE dependen del modelo seleccionado. Consulte GET /v1/models/{model} antes de enviarlos. Los parámetros no compatibles pueden devolver 400 unsupported_parameter.
ID del modelo de TTS. Encuentre las opciones actuales con GET /v1/models?recommended_for=tts. No hay un modelo predeterminado.
El texto a partir del cual generar audio. Máximo 4096 caracteres; un modelo puede establecer un límite inferior, consulte sus detalles.
Selector de voz. Pase un nombre de voz de los detalles del modelo, como eve para grok-tts, o un objeto como { "id": "voice-id" } para modelos que aceptan identificadores de voz.
ID de voz para los modelos que incluyen este parámetro, como speech-2.8-turbo.
Instrucciones opcionales de estilo o entonación, de hasta 2000 caracteres, para los modelos que incluyen este parámetro.
Prompt opcional de estilo de habla, de hasta 2000 caracteres, para los modelos que incluyen este parámetro, como qwen3-tts-1-7b-voicedesign.
Código de idioma, como en-US, para los modelos compatibles.
Formato de audio. Los valores aceptados dependen del modelo: por ejemplo, grok-tts solo devuelve mp3 y qwen3-tts-flash devuelve wav. Consulte los detalles del modelo antes de enviar un valor.
audioFormato de entrega de TokenLab: audio o sse. Envíe sse únicamente cuando los detalles del modelo lo indiquen.
Velocidad de habla para los modelos compatibles. TokenLab acepta de 0.25 a 4.0; un modelo puede restringir este rango.
Temperatura de muestreo de 0 a 2, para los modelos que incluyen este parámetro.
Respuesta
Con stream_format=audio, la respuesta contiene bytes de audio. Los modelos compatibles con stream_format=sse devuelven una respuesta text/event-stream; procese sus eventos en lugar de guardar toda la respuesta como un archivo de audio.
Solicitud
curl -X POST "https://api.tokenlab.sh/v1/audio/speech" \
-H "Authorization: Bearer sk-your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-tts",
"voice": "eve",
"input": "Hello, welcome to TokenLab!"
}' \
--output speech.mp3Muestras de voz
Las voces dependen del modelo. Consulte los valores de voice en los detalles del modelo mediante GET /v1/models/{model} antes de enviar uno. Por ejemplo, grok-tts acepta eve, ara, rex, sal y leo.
Respuesta
<binary audio data>Campos importantes
Tipo de medio de la respuesta HTTP: el formato de audio o text/event-stream para SSE.
Bytes de audio para audio; un flujo de eventos para sse. Elija el analizador según el Content-Type y el modo solicitado.
MiniMax Speech 2.8 Turbo sintetiza un guion con una voz seleccionada mediante un flujo de trabajo optimizado para la velocidad, útil para interfaces habladas interactivas y narración.
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}Autorización
BearerAuth Autenticación con API Key. Cree o gestione API keys en Dashboard > API > API Keys.
Ubicación: header
Encabezados
Política de entrega por solicitud. Sustituye los valores predeterminados de la API key y del Workspace. Auto intenta primero con TokenLab Verified y puede cambiar una vez a Official solo antes de la salida, la aceptación de la solicitud o la creación de recursos persistentes.
Valores permitidos
- "auto"
- "verified"
- "official"
Cuerpo de la solicitud
application/json
Respuesta
application/json
application/json
application/json
application/json
application/json
application/json